Agents-K1：迈向智能体原生的知识编排

当前基于大语言模型的研究代理通过代理编排取得了进步，但在很大程度上忽视了科学知识编排。现有的著作常常将论文简化为摘要、表面提及和平坦的\texttt{cites}边缘，省略了科学推理所必需的关键实体、主张、证据、机制和方法谱系。为此，我们引入了 \textbf{Agents-K1}，这是一个端到端的知识编排管道，可将原始文档转换为代理本机的科学知识图。 Agents-K1 在统一的理论基础下集成了三个组件：多模态解析器，其五模块模式捕获整篇论文中的实体、多模态证据、引文和类型化的实体间关系，而不仅仅是摘要；在基于规则的奖励下接受 GRPO 培训的 4B 信息提取主干；和 graphanything CLI，一个三源代理界面，统一了网络搜索、多模态图形检索和跨文档遍历。除此之外，我们处理了六个主题的 246 万篇科学论文来生成 \textbf{Scholar-KG}，我们发布了其中的一百万篇论文子集，并且可以通过下面的 SCP 链接访问完整的 Scholar-KG。相同的管道可以扩展到通用领域语料库和符合模式的数据合成。大量实验表明，Agents-K1在科学信息提取、知识图谱构建和多跳科学推理方面取得了优异的性能。